ESTUDIO DE CASO N 1

FASE N2. DISTRIBUCIONES DE PROBABILIDAD

UNIDAD 2. VARIABLES ALEATORIAS Y DISTRIBUCIONES DE
PROBABILIDAD

PRESENTADO POR EL GRUPO: 100402_170

FLOR MARINA CARRILLO CDIGO 68302853
RITA LUZMILA POTOS
MAURICIO VANEGAS RAMIREZ
ANDERSON HISNARDO PLATA

PRESENTADO A:
JORGE EDUARDO ROYERO
TUTOR

MDULO:
PROBABILIDAD
CDIGO CURSO: 100402A_291

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

27 DE NOVIEMBRE DE 2016
CONTENIDO
INTRODUCCION.......................................................................................................2
ESTUDIO DE CASOS...............................................................................................4
FASE N 2. DISTRIBUCIONES DE PROBABILIDAD...............................................4

1. CUADRO SINPTICO DE CONCEPTOS TERICOS UTILIZADOS PARA

EL DESARROLLO DE LOS ESTUDIOS DE CASO..............................................4
2. ESTUDIOS DE CASOS...................................................................................5
2.1.

ESTUDIO DE CASO N 1. RESUELTO POR FLOR MARINA CARRILLO

REYES................................................................................................................5
2.2. ESTUDIO DE CASO 3. RESUELTO POR RITA LUZ MILDA POTOSI...12
2.3. SOLUCIN A ESTUDIO DE CASO N 4. RESUELTO POR
ANDERSSON HISNARDO PLATA SANGUINO...............................................18
2.4. ESTUDIO DE CASO 5. RESUELTO POR MAURICIO VANEGAS........22
CONCLUSIONES....................................................................................................32
REFERENCIAS BIBLIOGRFICAS........................................................................34

INTRODUCCION
En el presente trabajo, se aplican los conocimientos adquiridos en el transcurso de
la Unidad 2. Variables aleatorias y Distribuciones de Probabilidad en el desarrollo
de 4 estudios de caso planteados en la Gua de Actividades del Curso de
Probabilidad.

En consecuencia con el desarrollo de los casos se busca afianzar los

conocimientos y establecer la diferencia entre variables aleatorias discretas y
continuas, en trminos de su funcin de probabilidad, valor esperado, varianza y
desviacin estndar se reconocen algunas de las distribuciones de probabilidad
ms comunes, tanto las discretas como las continuas.

ESTUDIO DE CASOS
FASE N 2. DISTRIBUCIONES DE PROBABILIDAD
UNIDAD 2. VARIABLES ALEATORIAS Y DISTRIBUCIONES DE
PROBABILIDAD
1. CUADRO SINPTICO DE CONCEPTOS TERICOS UTILIZADOS PARA
EL DESARROLLO DE LOS ESTUDIOS DE CASO.

UNIDAD 2

VARIABLES
ALEATORIAS

DISTRIBUCIONES DE
PROBABILIDAD

VARIABLES ALEATORIAS

Se llama variable aleatoria a toda funcin que asocia a cada elemento del espacio muestral E un
nmero real.
Se utilizan letras maysculas X, Y, ... para designar variables aleatorias, y las respectivas minsculas (x,
y, ...) para designar valores concretos de las mismas.
BINOMIAL

discreta

continua
BINOMIAL ACUMULATIVO

DISTRIBUCIONES DISCRETAS

Una variable continua es aquella que puede tomar un

de valores entre dos valores
cualesquiera de una caraterstica

HIPERGEOMETRICA
nmero infinito

Una variable discreta es aquella que solo puede tomar

un nmero finito de valores entre dos valores
cualesquiera de una caraterstica.

DE POISSON
DISTRIBUCIONES DE PROBABILIDAD

UNIFORME

DISTRIBUCIONES CONTINUA

EXPONENCIAL

NORMAL

APROXIMACION A BINOMIAL Y
POISSON

DETERMINACION DEL VALOR X

NORMAL
ESTANDARIZADA

2. ESTUDIOS DE CASOS
2.1.
ESTUDIO DE CASO N 1. RESUELTO POR FLOR MARINA
CARRILLO REYES

La calificacin es la suma de los puntos de los seis rubros. Por ejemplo, Sushi
Brown tiene menos de 25 aos (12 puntos); ha vivido en el mismo domicilio
durante dos aos (0 puntos); desde hace cuatro aos es dueo de un automvil
(13 puntos), por el que realiza pagos de $75 (6 puntos); realiza gastos domsticos
de $200 (10 puntos) y posee una cuenta de cheques (3 puntos). La calificacin

que obtendra sera de 44. Despus, con una segunda tabla, se convierten las
calificaciones en probabilidades de rentabilidad del cliente, as:

La puntuacin de Sushi (44) se traducira en una probabilidad de rentabilidad

aproximada de 0.81. En otras palabras, 81% de los clientes como Sushi
generaran dinero a las operaciones con tarjeta del banco. A continuacin se
muestran los resultados de las entrevistas con los tres posibles clientes.

Informe a presentar:
Prepare un informe en el que como mnimo, incluya:
1.- Califique a cada uno de estos clientes y calcule la probabilidad de que resulten
rentables.
2.- Cul es la probabilidad de que los tres resulten rentables?
3.- Cul es la probabilidad de que ninguno sea rentable?
4. Determine la distribucin de probabilidad total del nmero de clientes rentables
entre este grupo de tres clientes.
5. -Redacte un breve resumen de sus hallazgos.
SOLUCIN DEL CASO
1. Califique a cada uno de estos clientes y calcule la probabilidad de que
resulten rentables

En el Cuadro N 1. Se refleja la puntuacin con sus respectivas probabilidades de

los tres posibles clientes entrevistados, as:

Cuadro N 1. Calificacin y probabilidad de que los clientes resulten rentables

NOMBRE
CLIENTE/VARIABLE
Edad
Tiempo de vivir en el
mismo domicilio
Antigedad con
auto
Pago mensual del
auto

David Born

Ann McLaughlin

Datos
42

Puntos
18

Datos
23

Puntos
12

20

13

140
300

Costo de vivienda
Cuenta de cheques
o ahorros

Edwar Brendan

Ambas

Total Puntos
Probabilidad de
rentabilidad cliente

Datos

Puntos
33

20

13

99

175

10

200

10

Propietaria

12

Ninguna

15

Slo
cheques

80

44

39

0,95

0,81

0,77

Considerando que para las puntuaciones de los clientes enntrevistados Edwar

Brendan y Ann McLaughlin no hay un dato exacto suministrado de la probabilidad
para el respectivo puntaje resultante de la calificacin realizada, se realiz el
siguiente procedimiento:
Determinacin de la Probabilidad del cliente Edwar Brendan:
Datos:
Puntuacin: 44
Probabilidad para 40 puntos

P40=0.78

Probabilidad para 50 puntos

P50=0.85

Rango:

R=10

puntos

Incremento de probabilidad en el rango de 40 a 50 puntos: 0.7

Probabilidad para 44 puntos

P44=

( 4 )) + P
( P P
R

P44=

( 4 ))+0.78
( 0.850.78
10

50

P44 : ?

40

40

P44=0,808 0,81

Determinacin de la Probabilidad del cliente Ann McLaughlin:

Datos:
Puntuacin: 39
Probabilidad para 30 puntos

P30=0.70

Probabilidad para 40 puntos

P40=0.78

Rango:

R=10

puntos

Incremento de probabilidad en el rango de 30 a 40 puntos: 0.8

Probabilidad para 39 puntos

P39=

P39 : ?

P40P 30
( 9 ) + P30
R

( 9 ))+0.70
( 0.780.70
10

P39=

P39=0.772 0.77
De conformidad con los resultados de la tabla, el cliente David Born tiene la
probabilidad mayor de resultar rentable con el 95%, seguido del cliente Edwar

Brendan con un 81% de probabilidades y, la cliente Ann McLaughin es la ms

riesgosa dado que tiene la probablidad menor con un 77%, respectivamente.
2. Cul es la probabilidad de que los tres resulten rentables?
Considerando que son sucesos independientes, multiplicamos las probabilidades
individuales para determinar la probabilidad global de los tres en trminos de la
rentabilidad, as:
Datos:
Probabilidad del cliente David Born

PDB =0.95

Probabilidad del cliente Edwar Brendan

PEB =0.81

Probabilidad del cliente Ann McLaughlin

P AMcL =0.77

Probabilidad de los tres clientes

P3 C =?

P3 C =P DBP EBP McL

P3 C =0,950,810,77
P3 C =0,593 0,59
La probabilidad de resultar rentables de los tres clientes es del 59%.
3. Cul es la probabilidad de que ninguno sea rentable?
La probabilidad de que ninguno sea rentable, la hallamos multiplicando las
probabilidades de no resultar rentables de cada uno de los clientes:
Datos:
Probabilidad de no resultar rentable del cliente David Born

P DB=1P DB

P DB=10.95
P DB=0.05
Probabilidad de no resultar rentable del cliente Edwar Brendan

P EB=10.81

P EB=10.81
P EB=0.19

Probabilidad

de

no

resultar

rentable

del

cliente

Ann

McLaughlin

P AMcL =1P AMcL

P AMcL =10.77
P AMcL =0.23

Probabilidad de los tres clientes de no resultar rentable

P3 C =?

McL

P3 C =(PDB )(PEB )
P3 C =0.050.190.23
P3 C =0.002
La probabilidad de que ninguno de los tres clientes resulten rentables es del 0,2%.

4. Determine la distribucin de probabilidad total del nmero de clientes

rentables entre este grupo de tres clientes.
Para determinar la distribucin de probabilidad total del nmero de clientes
rentables entre el grupo de los tres clientes referenciados y evaluados realizamos
el siguiente procedimiento:

Hallamos la probabilidad de que uno de los tres clientes sea rentable:

A partir de la sumatoria de los productos de las probabilidades de resultar rentable

de cada cliente por las probabilidades de no resultar rentables de los otros
clientes.
P1 3=(0,950,190,23)+(0,050,810,23)+(0,050,190,77)
P1 3=0,042+0,009+ 0,007
P1 3=0,058

Clculo de la probabilidad de que dos clientes de los tres posibles

resulten rentables

A partir de la sumatoria de los productos de las probabilidades de resultar rentable

de dos de los tres clientes por la probabilidad de no resultar rentable del otro
cliente as:
P2 3=(0,950,810,23)+( 0,950,190,77)+( 0,050,810,77)
P2 3=0,177 +0,139+0,031
P2 3=0,347

5. -Redacte un breve resumen de sus hallazgos.

Cuadro N 2. Resumen del Informe de Hallazgos
Probabilidad de resultar rentables tres clientes

0,593

59,3%

Probabilidad de resultar rentables dos clientes

0,347

34,7%

Probabilidad de resultar rentable un cliente

0,058

5,8%

Probabilidad de no resultar rentable ningn cliente

0,002

0,2%

100,0%

Total

2.2.

ESTUDIO DE CASO 3. RESUELTO POR RITA LUZ MILDA POTOSI

El Baloto, es la lotera en lnea de Colombia, supervisado por ETESA (Empresa

territorial para la salud). Es un juego que consiste en acertar 6, 5, 4 o 3 nmeros
en cualquier orden de una matriz del 1 al 45; El jugador seala en un tarjetn los
6 nmeros que escoge. Los nmeros estn representados en 45 balotas
numeradas del 1 al 45. Cada nmero aparece una sola vez y las

balotas

ganadoras se seleccionan sin reemplazo. El premio acumulado se entrega a quien

haga coincidir los seis nmeros.
Presente un informe en el que como mnimo incluya:
1.- Esta situacin cumple con los supuestos de la distribucin Hipergeomtrica?
Identifquelos (Sugerencia: Divida los 45 nmeros en dos grupos: ganadores y no
ganadores)
2.- Usando la distribucin de probabilidad Hipergeomtrica determinar la
probabilidad de que el jugador acierte los 6 nmeros
3.- La empresa encargada del sorteo informa que la probabilidad de que coincidan
todos los nmeros es de 1 en 8145060. Qu significa esto en trminos de
probabilidad? Coincide esto con su respuesta anterior.
El sorteo tambin otorga un premio si el jugador hace coincidir 3, 4 o 5 de los
nmeros ganadores
4) Calcule la probabilidad, para hacer coincidir 3 de los 6 nmeros ganadores.
5) Calcule la probabilidad de que coincidan 4 de los 6 nmeros ganadores
6) Calcule la probabilidad de que coincidan 5 de los 6 nmeros ganadores
7) Con base en los resultados obtenidos, usted invertira dinero en el BALOTO?

SOLUCION
1.- Esta situacin cumple con los supuestos de la distribucin Hipergeomtrica?
Identifquelos (Sugerencia: Divida los 45 nmeros en dos grupos: ganadores y no
ganadores)

La anterior situacin cumple con los supuestos de la distribucin hipergeometrica,

ya que en primer lugar se presentan dos posibles resultados que definen quienes
son ganadores y quienes son perdedores.
Otra de las caractersticas es que los distintos ensayos son independientes, es
decir que la probabilidad

de que ocurra un resultado en el primer sorteo, no

influye en los resultados del segundo sorteo.

Adems de lo anterior, se debe tener en cuenta que en este caso se toma una
muestra de tamao n (6) de un conjunto finito de N (45) cantidad de objetos.
Distribucin de las 45 balotas numeradas del 1 al 45 en dos grupos:
Ganadores: 6, ya que es la cantidad de nmeros que debe acertar
Perdedores: 39, ya que representa la cantidad de nmeros que no salieron en el
sorteo.
De manera que los elementos que cumplen verdaderamente con el requisito para
ser ganadores son 6.
2.- Usando la distribucin de probabilidad Hipergeomtrica determinar la
probabilidad de que el jugador acierte los 6 nmeros

Probabilidad de que un jugador acierte los 6 nmeros:

La frmula para comprobar dicha probabilidad es la siguiente:
d N d
x
nx
P ( X )=
N
n

()( )
()

Donde N es el tamao de poblacin,

n es el tamao de la muestra extrada,
d es el nmero de elementos en la poblacin original que pertenecen a la
categora deseada y
x es el nmero de elementos en la muestra que pertenecen a dicha categora. La
notacin

hace referencia al coeficiente binomial, es decir, el nmero de

combinaciones posibles al seleccionar elementos de un total a:

Sustituimos en la frmula:
6 456
6
66
P ( 6 )=
45
6

()( )
( )

Formula general combinatorio:

n!
n=
k k ! ( nk ) !

()

Como 6 combinatorio 6 da como resultado 1, entonces

P ( 6 )=

( )
( 456)

( 1 ) 39
0

39 combinatorio cero (0) da 1

45 !
45 =
6
6 ! ( 456 ) !

( )
(456)=8 ' 145.060
P ( 6 )=

1
8 ' 145.060

P (6 )=0,000000122773804
La

probabilidad

para

que

el

jugador

acierte

los

nmeros

es:

0,000000122773804
3.- La empresa encargada del sorteo informa que la probabilidad de que coincidan
todos los nmeros es de 1 en 8145060. Qu significa esto en trminos de
probabilidad? Coincide esto con su respuesta anterior.

En primer lugar podemos afirmar que si coincide con el ejercicio anterior en razn
a que la probabilidad para el caso anterior estaba dada por:
1
P ( 6 )=
8 ' 145.060
En trminos de probabilidad esto significa que
probabilidad
8145.060.

la posibilidad, probabilidad u

de ganarse un sorteo acertando sus 6 nmeros es de 1 en

4) Calcule la probabilidad, para hacer coincidir 3 de los 6 nmeros ganadores.

Aplicamos la frmula de la probabilidad, dada esta distribucin (hipergeomtrica)

d N d
x
nx
P ( X )=
N
n

()( )
()

6 456
(
3) ( 63 )
P ( 6 )=
( 456)
6!
(39 )
3 ! ( 63 ) ! 3
P ( X )=
(456)
Resolvemos las operaciones:
456
39!
3!
3 ! ( 393 ) !
P ( X )=
45!
6 ! ( 456 ! )
P ( X )=

209139
8' 145.060

P ( X )=

182.780
8' 145.060

P ( X )=0.02244059589
La probabilidad de que coincidan 3 de los 6 nmeros ganadores es
0.02244059589

5) Calcule la probabilidad de que coincidan 4 de los 6 nmeros ganadores

Formula general:

d N d
(
x ) ( nx )
P ( X )=
( Nn )
Reemplazamos en la formula los datos que me permitan obtener el acierto
de 4 nmeros
6 456
(
4 ) ( 64 )
P ( X )=
(456)
6!
39
4 ! ( 64 ) ! ( 2 )
P ( X )=
(456)
65 39

2! ( 2 )
P ( X )=
( 456 )
1539!
2 ! ( 392 ) !
P ( X )= '
8 145.060
153938
2!
P ( X )= '
8 145.060
P ( X )=

15741
8' 145.060

P ( X )=

11.115
8 145.060
'

P ( X )=0.001364630831

La probabilidad de que coincidan 4 de los 6 nmeros ganadores es

0.001364630831

6. Calcule la probabilidad de que coincidan 5 de los 6 nmeros ganadores

Formula general:
d N d
(
x ) ( nx )
P ( X )=
( Nn )
Reemplazamos las variables en la formula los datos que me permitan
obtener la probabilidad de 5 de 6 aciertos:
6 456
(
5 ) ( 65 )
P ( X )=
( 456)
6!
(39 )
5 ! ( 65 ) ! 1
P ( X )=
(456)

6
39!
( 1) !
1 ! ( 391 ) !
P ( X )= '
8 145.060
639
1!
P ( X )= '
8 145.060
P ( X )=

234
8 145.060
'

P ( X )=0.0000287280714

La probabilidad de que coincidan 5 de los 6 nmeros ganadores es

0.0000287280714

7) Con base en los resultados obtenidos, usted invertira dinero en el BALOTO?

Dadas las actuales circunstancias no invertira puesto que las probabilidades de

ganar son muy mnimas e, en cambio la probabilidad de perder el dinero es muy
alta.

2.3.
SOLUCIN A ESTUDIO DE CASO N 4. RESUELTO POR
ANDERSSON HISNARDO PLATA SANGUINO
La distribucin de probabilidad de Poisson describe el
nmero de veces que se presenta un evento durante
un intervalo especfico. El intervalo puede ser de
tiempo, distancia, rea o volumen. La distribucin se
basa en dos supuestos. El primero consiste en que la probabilidad es proporcional
a la longitud del intervalo. El segundo supuesto consiste en que los intervalos son
independientes. En otras palabras, cuanto ms grande sea el intervalo, mayor
ser la probabilidad; adems, el nmero de veces que se presenta un evento en
un intervalo no influye en los dems intervalos.
Esta distribucin posee diversas aplicaciones. Se le utiliza como modelo para
describir la distribucin de errores en una entrada de datos, el nmero de rayones
y otras imperfecciones en las cabinas de automviles recin pintados, el nmero
de partes defectuosas en envos, el nmero de clientes que esperan mesa en un
restaurante, el nmero de accidentes en una carretera en un periodo determinado.
La compaa de aviacin Delta Airlines, se caracteriza por su responsabilidad y
cuidado con el equipaje de sus pasajeros, por lo que pocas veces se pierde
equipaje. En la mayora de los vuelos no se pierden maletas; en algunos se pierde

una; en unos cuantos se pierden dos; pocas veces se pierden tres, etc. Suponga
que una muestra aleatoria de 1 000 vuelos arroja un total de 300 maletas
perdidas. De esta manera, el nmero promedio de maletas perdidas por vuelo es
de 0.3.

Prepare un informe en el que como mnimo, incluya:

1.- Esta situacin cumple con los supuestos de la distribucin Poisson?
Identifquelos
2.- Determine cul es la probabilidad de que en un vuelo no se pierda ninguna
maleta
3.- Determine cul es la probabilidad de que en un vuelo se pierda exactamente
una maleta
4.- Determine cul es la probabilidad de que en un vuelo se pierdan entre dos y
cuatro maletas
5.- Podra establecer cul es la probabilidad de que se pierdan en un vuelo ms
de cuatro maletas
6.- En qu momento debe sospechar el supervisor de la Aerolnea que en un
vuelo se estn perdiendo demasiadas maletas?
DESARROLLO
1. Esta situacin cumple con los supuestos de la distribucin Poisson?
Identifquelos.
Si cumple, Esto se debe a que los sucesos puntuales que se dan en el tiempo o
en el espacio continuo son independientes, independientemente un suceso no
est atado a depender de la ocurrencia de otro.
La probabilidad es constante en todo momento.
El dato de medida se da en este caso es 0.3 maletas perdidas por vuelo.
2. Determine cul es la probabilidad de que en un vuelo no se pierda
ninguna maleta.

P ( K )=

e .
K!

K me representa la cantidad de sucesos que queremos conocer,

es el nmero de sucesos proyectados.
e0.3 . 0.30 0.3 .
P ( 0 )=
=e 0.3
0!
P ( 0 )=0.7408182207
3. Determine cul es la probabilidad de que en un vuelo se pierda
exactamente una maleta.
Teniendo en cuenta el concepto estudiado anteriormente
Reemplazamos k por 1, que es la incgnita.
0.3

P (1 ) =

. 0.3
=e0.3 . 0.3
1!

P (1 ) =0.2222454662
4. Determine cul es la probabilidad de que en un vuelo se pierdan entre
dos y cuatro maletas.
Tomamos los valores, o sea con 2, 3 y4 Maletas:
0.3

P ( 2 )=

0.3.

. 0.3 e
=
2!

0.0081
2

P(2)=0,003000313794100=0,30
P ( 3 )=

e0.3 . 0.34 e0.3. 0.0081

=
3!
3

P(3)=0,002000209196100=0,20
0.3

P ( 4 )=

de probabilidad de que se pierdan 2 maletas

0.3.

. 0.3 e
=
4!

de probabilidad de que se pierdan 3 maletas

0.0081
4

P(4 )=0.001500156897100=0,15

de probabilidad de que se pierdan 4 maletas

5. Podra establecer cul es la probabilidad de que se pierdan en un

vuelo ms de cuatro maletas.
Adaptamos la frmula para cualquier nmero (x) mayor a 4 y tomaremos la
muestra con 2, 6 y 24.

P ( X >4 )=1e0.3 1+0.3+

0.3 0.3 0.3

+
+
2
6
24

P ( X >4 )=1e0.3 .1 .3498375

P ( X >4 )=10.999984215
P ( X >4 )=0.0001578504100=0,0015

de que se pierdan ms de 4 maletas

6. En qu momento debe sospechar el supervisor de la Aerolnea que

en un vuelo se estn perdiendo demasiadas maletas?
Se debe sospechar cuando en los vuelos la probabilidad de que se pierdan ms
de cuatro (4) maletas sea mayor al

2.4.

0,0015

ESTUDIO DE CASO 5. RESUELTO POR MAURICIO VANEGAS

Para una poblacin grande de personas sin hogar, Wong y

Piliavin (2001) examinaron factores de estrs, recursos y
agotamiento
Depresin

psicolgico
del

Centro

empleando
de

Estudios

la

Escala

de

Epidemiolgicos

(CESD), un cuestionario de evaluacin comunitario.

Entre las personas sin hogar, la puntuacin media del cuestionario CESD es 23,5
con una desviacin estndar de 7.5 y se considera que para la Variable X =
puntuacin del CESD, la distribucin es normal. Como trabajador en el rea de
admisiones en un refugio para personas sin hogar, usted es el encargado de

aplicar el CESD y debe evaluar los resultados para las nuevas personas que
lleguen al centro.
Dentro de las polticas del refugio se encuentra que cualquier persona cuya
puntuacin sea de 20 o ms puntos en el CESD debe enviarse a ver a un doctor.

INFORME A PRESENTAR:

Prepare un informe en el que como mnimo, incluya:

1. La probabilidad de que una persona que llegue al refugio sea enviado a ver al
doctor
2. La probabilidad de que una persona que llegue al refugio tenga una puntacin
de 10 o menos puntos
3. La probabilidad de que una persona que llegue al refugio tenga una puntuacin
entre 16 y 20 puntos
4. Si las personas sin hogar con puntuacin en el 15% ms alto deben ser
enviadas a los servicios de prevencin de suicidios, Qu puntuacin hace
calificar a una persona que llega al refugio para este servicio?
5. Las personas sin hogar con puntacin en el 25% ms bajo, se les enva a un
servicio de orientacin laboral para mejorar sus recursos. Qu puntuacin
permite calificar a una persona para acceder a este servicio?

SOLUCIN
ESTUDIO DE CASO 5
Para una poblacin grande de personas sin hogar, Wong y Piliavin (2001)
examinaron factores de estrs, recursos y agotamiento psicolgico empleando la
Escala de Depresin del Centro de Estudios Epidemiolgicos (CESD), un
cuestionario de evaluacin comunitario. Entre las personas sin hogar, la
puntuacin media del cuestionario CESD es 23,5 con una desviacin estndar de
7.5 y se considera que para la Variable X = puntuacin del CESD, la distribucin

es normal. Como trabajador en el rea de admisiones en un refugio para personas

sin hogar, usted es el encargado de aplicar el CESD y debe evaluar los resultados
para las nuevas personas que lleguen al centro.
Dentro de las polticas del refugio se encuentra que cualquier persona cuya
puntuacin sea de 20 o ms puntos en el CESD debe enviarse a ver a un doctor.
INFORME A PRESENTAR

1. La probabilidad de que una persona que llegue al refugio sea enviado a ver al
doctor
2. La probabilidad de que una persona que llegue al refugio tenga una puntacin
de 10 o menos puntos
3. La probabilidad de que una persona que llegue al refugio tenga una puntuacin
entre 16 y 20 puntos
4. Si las personas sin hogar con puntuacin en el 15% ms alto deben ser
enviadas a los servicios de prevencin de suicidios, Qu puntuacin hace
calificar a una persona que llega al refugio para este servicio?
5. Las personas sin hogar con puntacin en el 25% ms bajo, se les enva a un
servicio de orientacin laboral para mejorar sus recursos.
Qu puntuacin permite calificar a una persona para acceder a este servicio?

Datos del Ejercicio

Media = Mediana y moda por ser distribucin normal

Desviacin estndar
=7.5

Z
0.0

0.00
0.0000

0.01
0.0040

0.02
0.0080

0.03
0.0120

0.04
0.0160

0.05
0.0199

= 23.5

0.06
0.0239

0.07
0.0279

0.08
0.0319

0.09
0.0359

0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2.0
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
3.0

0.0398
0.0793
0.1179
0.1554
0.1915
0.2257
0.2580
0.2881
0.3159
0.3413
0.3643
0.3849
0.4032
0.4192
0.4332
0.4452
0.4554
0.4641
0.4713
0.4772
0.4821
0.4861
0.4893
0.4918
0.4938
0.4953
0.4965
0.4974
0.4981
0.4987

0.0438
0.0832
0.1217
0.1591
0.1950
0.2291
0.2611
0.2910
0.3186
0.3438
0.3665
0.3869
0.4049
0.4207
0.4345
0.4463
0.4564
0.4649
0.4719
0.4778
0.4826
0.4864
0.4896
0.4920
0.4940
0.4955
0.4966
0.4975
0.4982
0.4987

0.0478
0.0871
0.1255
0.1628
0.1985
0.2324
0.2642
0.2939
0.3212
0.3461
0.3686
0.3888
0.4066
0.4222
0.4357
0.4474
0.4573
0.4656
0.4726
0.4783
0.4830
0.4868
0.4898
0.4922
0.4941
0.4956
0.4967
0.4976
0.4982
0.4987

0.0517
0.0910
0.1293
0.1664
0.2019
0.2357
0.2673
0.2967
0.3238
0.3485
0.3708
0.3907
0.4082
0.4236
0.4370
0.4484
0.4582
0.4664
0.4732
0.4788
0.4834
0.4871
0.4901
0.4925
0.4943
0.4957
0.4968
0.4977
0.4983
0.4988

0.0557
0.0948
0.1331
0.1700
0.2054
0.2389
0.2704
0.2995
0.3264
0.3508
0.3729
0.3925
0.4099
0.4251
0.4382
0.4495
0.4591
0.4671
0.4738
0.4793
0.4838
0.4875
0.4904
0.4927
0.4945
0.4959
0.4969
0.4977
0.4984
0.4988

0.0596
0.0987
0.1368
0.1736
0.2088
0.2422
0.2734
0.3023
0.3289
0.3531
0.3749
0.3944
0.4115
0.4265
0.4394
0.4505
0.4599
0.4678
0.4744
0.4798
0.4842
0.4878
0.4906
0.4929
0.4946
0.4960
0.4970
0.4978
0.4984
0.4989

0.0636
0.1026
0.1406
0.1772
0.2123
0.2454
0.2764
0.3051
0.3315
0.3554
0.3770
0.3962
0.4131
0.4279
0.4406
0.4515
0.4608
0.4686
0.4750
0.4803
0.4846
0.4881
0.4909
0.4931
0.4948
0.4961
0.4971
0.4979
0.4985
0.4989

0.0675
0.1064
0.1443
0.1808
0.2157
0.2486
0.2794
0.3078
0.3340
0.3577
0.3790
0.3980
0.4147
0.4292
0.4418
0.4525
0.4616
0.4693
0.4756
0.4808
0.4850
0.4884
0.4911
0.4932
0.4949
0.4962
0.4972
0.4979
0.4985
0.4989

0.0714
0.1103
0.1480
0.1844
0.2190
0.2517
0.2823
0.3106
0.3365
0.3599
0.3810
0.3997
0.4162
0.4306
0.4429
0.4535
0.4625
0.4699
0.4761
0.4812
0.4854
0.4887
0.4913
0.4934
0.4951
0.4963
0.4973
0.4980
0.4986
0.4990

Tabla de distribucin normal

2. La probabilidad de que una persona que llegue al refugio sea enviado a

ver al doctor
Se tiene segn los datos del ejercicio que
Aplicamos la formula
=

X 20

0.0753
0.1141
0.1517
0.1879
0.2224
0.2549
0.2852
0.3133
0.3389
0.3621
0.3830
0.4015
0.4177
0.4319
0.4441
0.4545
0.4633
0.4706
0.4767
0.4817
0.4857
0.4890
0.4916
0.4936
0.4952
0.4964
0.4974
0.4981
0.4986
0.4990

2023.5
7.5

Valor de =0.4666

Identificamos el Valor de Z en la tabla de distribucin normal se tiene que:

En

VALOR Z

Z POR TABLAS
(rea bajo la curva)

-0,4666

0,1772

la

grfica se

representa el rea de la probabilidad solicitada, teniendo en cuenta que Z es

negativo se ubica en la cola inferior (unilateral izquierda)

Ahora debemos calcular la probabilidad solicitada que es

rea comprendida entre Z calculado as:
0.1772 + 0.5 = 0.6772

P[ X 20 ] Entonces:

CONCLUSION: La probabilidad de que una persona que llegue al refugio y sea

enviado a ver al doctor es 67.72 %
2. La probabilidad de que una persona que llegue al refugio tenga una
puntacin de 10 o menos puntos
Se tiene segn los datos del ejercicio que

X 10

1023.5
7.5

Valor de =1.8
Identificamos el valor de Z en la tabla de distribucin normal se tiene que:
VALOR Z
-1.8

Z POR TABLAS
(rea bajo la curva)
0,4641

En la grfica se representa el rea de la probabilidad solicitada, teniendo en

cuenta que Z es negativo se ubica a la izquierda de la campana de gauss o por
debajo de la media.
Toma de decisin por medio del grafico

Calcularemos la probabilidad solicitada que es

P[ X 10]

Entonces:

rea comprendida entre Z calculado y la Izquierda de la cola as:

0.5-0.4641= 0.0359
CONCLUSION: La probabilidad de que una persona que llegue al refugio tenga
una puntacin de 10 o menos puntos es 3.59 %
3. La probabilidad de que una persona que llegue al refugio tenga una
puntuacin entre 16 y 20 puntos
Se tiene segn los datos del ejercicio que

P[ X 20 ; y X 16 ]

 1=

X
X
2=

1=

2023,5
1623,5
2 =
7,5
7,5

Valor de 1=0,46 Valor de 2 =1

Identificando este valor de zeta en la tabla de distribucin normal se tiene que:
VALOR Z

Z POR TABLAS
(rea bajo la curva )
-0,466
0,1772
-1
0,3413
en cuenta que Z1 y Z2 es negativo para los dos casos se ubica en la cola inferior
(unilateral izquierda)0 por debajo de la media.

Para calcular la probabilidad solicitada que P/ X 20 ; y X 16 Entonces:

rea comprendida entre Z1 y Z2 calculado a la Izquierda de la cola izquierda por
ser valores de Z negativos as:
Formula:
P[ X 20 ; y X 16 ]= 1 2
Calculamos
P [ X 20 ; y X 16 ]=0,34130,1772=0,1641
CONCLUSION: La probabilidad de que una persona que llegue al refugio tenga
una puntuacin entre 16 y 20 puntos es de 16,41% es una probabilidad baja.

4. Si las personas sin hogar con puntuacin en el 15% ms alto deben ser
enviadas a los servicios de prevencin de suicidios, Qu puntuacin
hace calificar a una persona que llega al refugio para este servicio?
En este ejercicio se pretende a partir de la probabilidad o porcentaje dado llegar al
nmero o puntuacin X. Para solucionar este punto debemos Utilizamos la frmula
de distribucin normal
X
=

Para ello despejamos X en la formula

X =( )+

Utilizamos la tabla de distribucin normal, teniendo en cuenta que deseamos

encontrar el 15% ms alto entonces ubicamos dicha probabilidad a la derecha de
la campana de guaus as:

El valor de 0,38 es el valor de Z se restar 23,5 - 15 = 8,5 /7,5 = 1,133 y lo

ubicamos en la parte derecha de la tabla de distribucin normal en 0,3810.
Teniendo en cuenta que 15% = 0,1500 en la tabla de distribucin entonces se
encuentra Z positivo por ir en la cola derecha de la campana
VALOR Z
0,3810

Z POR TABLAS
(AREA BAJO LA CURVA)
0,1500

El valor de Z remplazamos el valor en la ecuacin despejada anteriormente para

hallar X:
X =( )+ = ( 0,38107,5 )+23,5=26,35 75
CONCLUSION: Las personas que tengan un puntaje superior a 26.36 puntos
deben ser enviadas a prevencin de suicidios.

5. Las personas sin hogar con puntacin en el 25% ms bajo, se les enva a
un servicio de orientacin laboral para mejorar sus recursos. Qu
puntuacin permite calificar a una persona para acceder a este servicio?
En este ejercicio al igual que el anterior se pretende a partir de la probabilidad o
porcentaje dado llegar al nmero o puntuacin X.
Para ello despejamos X en la formula

donde

X =( )+

Utilizando la tabla de distribucin normal y teniendo en cuenta que deseamos

encontrar el 25% ms bajo entonces ubicamos dicha probabilidad a la izquierda de
la campana de guaus as:

Z= 23,5-25= -1,5/7,5= -02. Valor en tabla de 0,3212 = (1- 0,3212)=0,6788

Teniendo en cuenta que 25% = 0,2500 en la tabla de distribucin entonces se
encuentra Z negativo por ir a la cola izquierda de la campana
VALOR Z
-0,6788

Z POR TABLAS
(AREA BAJO LA CURVA)
0,2500

El valor de Z remplazamos el valor en la ecuacin despejada anteriormente para

hallar X:
X =( )+ = (0,67887,5 ) +23,5=18,41
CONCLUSION: Las personas que tengan un puntaje superior a 18,41% puntos
deben ser enviados a un servicio de orientacin laboral para mejorar sus recursos.
CONCLUSIONES

1. Por medio del estudio de las probabilidades es posible inferir de manera

exacta o aproximada segn el caso las posibilidades de que se d un hecho
en la realidad basado en experimentos i en el nmero de muestras tomadas
de una poblacin.
2. Existen mtodos que se adaptan ms a una medicin de cierto tipo de
experimentos, es por tanto recomendable antes de calcular una
probabilidad establecer con certeza cul es el tipo de variable que vamos a
medir.
3. Las probabilidades de que se d un evento cualquiera, depende de la
relacin del xito o nmero de xitos con el tamao de la poblacin
propiamente dicha, como en el caso de la lotera del baloto cuyas
probabilidades de ganarse lo son mnimas dadas las relaciones entre el
nmero de xitos y el nmero de resultados posibles.
4. La medicin de las probabilidades sirven como base para la toma de
decisiones en muchos campos, como por ejemplo en las empresas para
efectos del estudio de tiempos y movimientos, miden adems la eficacia y/o
eficiencia como se lleva a cabo una determinada funcin, como por ejemplo
el nmero de pacientes o el tiempo empleado en la atencin de los mismos.
5. En el campo econmico y financiero tambin es til la estadstica y el
estudio de las probabilidades, ya que por ejemplo en un estudio de
mercadeo mide la intencin de compra dadas las experiencias vividas
anteriormente; o como en el caso nmero uno de las actividades; en las
cuales se clasifica al cliente en funcin de la probabilidad de que resulte
rentable que se mide, dada su condicin fsica y social.
6. Una de las probabilidades ms utilizadas es la relacionada con variables
discretas, en donde existen la probabilidad de que se den dos resultados
posibles, como en el caso anteriormente mencionado de la lotera en donde
se miden los xitos o los fracasos , segn los resultados que pueden ser
ganadores o perdedores respectivamente.

REFERENCIAS BIBLIOGRFICAS
Leccin 7. Media, median y moda muestral. UNAD. Recuperado el 20 de octubre
de

2016

de

la

URL:

http://datateca.unad.edu.co/contenidos/208041/Modulo_EXE/leccin_7_media_med
iana_y_moda_muestreal.html
Leccin 8. Varianza y desviacin tpica estndar. UNAD. Recuperado el 20 de
octubre

de

2016

de

la

URL:

http://datateca.unad.edu.co/contenidos/208041/Modulo_EXE/leccin_8_varianza_y
_desviacin_tpica_estndar.html
Leccin 10. Variables aleatorias y discretas. UNAD. Recuperado el 21 de octubre
de

2016.

http://datateca.unad.edu.co/contenidos/208041/Modulo_EXE/leccin_10_variables_
aleatorias_discretas_y_continuas.html
Leccin 16. Variable discreta y Distribucin de Probabilidad. UNAD. Recuperado el
21

de

octubre

de

2016.

http://datateca.unad.edu.co/contenidos/100402/moduloexe/leccin_17_variable_dis
creta_y_distribucin_de_probabilidad.html
Leccin 17. Variable discreta y Distribucin de Probabilidad. UNAD. Recuperado el
21

de

octubre

de

2016.

http://datateca.unad.edu.co/contenidos/100402/moduloexe/leccin_17_variable_dis
creta_y_distribucin_de_probabilidad.html
Leccin 18. Variable aleatoria continua y su Distribucin de probabilidad. UNAD.
Recuperado

el

21

de

octubre

de

2016.

http://datateca.unad.edu.co/contenidos/100402/moduloexe/leccin_18_variable_ale
atoria_continua_y_su_distribucin_de_probabilidad.html
Leccin 19: Esperanza Matemtica y Varianza de una Variable aleatoria. UNAD.
Recuperado

el

21

de

octubre

de

2016.

http://datateca.unad.edu.co/contenidos/100402/moduloexe/leccin_19_esperanza_
matemtica_y_varianza_de_una_variable_aleatoria.html
Leccin 20: Teorema de Chbyshev. . UNAD. Recuperado el 21 de octubre de
2016.
http://datateca.unad.edu.co/contenidos/100402/moduloexe/leccin_20_teorema_de
_chbyshev.html
Leccin 21: Distribucin uniforme discreta. . UNAD. Recuperado el 21 de octubre
de

2016.

http://datateca.unad.edu.co/contenidos/100402/moduloexe/leccin_21_distribucin_u
niforme_discreta.html
Leccin 22: Distribucin binomial. . UNAD. Recuperado el 21 de octubre de 2016.
http://datateca.unad.edu.co/contenidos/100402/moduloexe/leccin_22_distribucin_b
inomial.html
Leccin 23: Distribucin binomial negativa y geomtrica. . UNAD. Recuperado el
21

de

octubre

de

2016.

http://datateca.unad.edu.co/contenidos/100402/moduloexe/leccin_23_distribucin_b
inomial_negativa_y_geometrica.html
Leccin 24: Distribucin hipergeomtrica . UNAD. Recuperado el 21 de octubre de
2016.
http://datateca.unad.edu.co/contenidos/100402/moduloexe/leccin_24_distribucin_h
ipergeomtrica.html
Leccin 25: Distribucin Poisson. . UNAD. Recuperado el 21 de octubre de 2016.
http://datateca.unad.edu.co/contenidos/100402/moduloexe/leccin_25_distribucin_p
oisson.html
Leccin 26: Distribucin uniforme continua. . UNAD. Recuperado el 21 de octubre
de

2016.

http://datateca.unad.edu.co/contenidos/100402/moduloexe/leccin_26_distribucin_u
niforme_continua.html

Leccin 27: Distribucin normal. . UNAD. Recuperado el 21 de octubre de 2016.

http://datateca.unad.edu.co/contenidos/100402/moduloexe/leccin_27_distribucin_n
ormal.html
Leccin 29: Distribucin exponencial. . UNAD. Recuperado el 21 de octubre de
2016.
http://datateca.unad.edu.co/contenidos/100402/moduloexe/leccin_29_distribucin_e
xponencial.html
Leccin 30. Distribucin Chi cuadrado. . UNAD. Recuperado el 21 de octubre de
2016.
http://datateca.unad.edu.co/contenidos/100402/moduloexe/leccin_30_distribucin_c
hi_cuadrado.html

Sanchez C.. (2015). Practica probabilidad. 25/11/2016, de SlideShare Sitio web:

http://es.slideshare.net/Cesar-Sanchez/practica-probabilidad
Rodrguez, F. & Pierdant, A. (2014). Estadstica para administracin. Recuperado
de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
docID=11013767&ppg=177
Monroy, S. (2008). Estadstica Descriptiva. Editorial: Instituto Tcnico Nacional.
Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
docID=10436604&ppg=128
Martn, J. y Ruiz, L. (2004). Estadstica I: Probabilidad. 2nd ed. Madrid: Paraninfo.
vii-viii. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2081/ps/eToc.do?rcDocId=GALE
%7CCX4052400005&inPS=true&prodId=GVRL&userGroupName=unad&resultClic
kType=AboutThisPublication
&contentModuleId=GVRL&searchType=BasicSearchForm&docId=GALE
%7C3BDC
Rodrguez, F. & Pierdant, A. (2014). Estadstica para administracin. Recuperado
de:

http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
docID=11013767&ppg=200
Gil, M., Gonzales, A. J Salagre, M. (2014). Ejercicios de estadstica terica:
Probabilidad
e
inferencia.
Recuperado
de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
docID=10995669&ppg=19
Monroy, S. (2008). Estadstica Descriptiva. Editorial: Instituto Tcnico Nacional.
Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
ppg=151&docID=10436604&tm=1470688991083
Martnez, C. (2011). Estadstica Bsica Aplicada. Ecoe, 4a edicin. Recuperado
de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
ppg=342&docID=1 624529&tm=1470687447720
M. Pliego Lpez, R. M. Prez, Estadstica I (2004) 2nd ed., pp. 27-94. Madrid:
Paraninfo.
Recuperado de
http://bibliotecavirtual.unad.edu.co:2081/ps/i.do?
id=GALE
%7CCX4052400006&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=b039aa4c3b2b6
2b99f8129c3bb3ab609
Pea, D. (2014). Fundamentos de Estadstica. Alianza Editorial S.A. Edicin
electrnica. Disponible en la base de datos de la biblioteca de la UNAD:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
ppg=121&docID=11028686&tm=1470689905871